基于Faster R-CNN的大田玉米雄穗识别及抽穗期判定研究

文献类型： 中文期刊

第一作者： 张小青

作者： 张小青;樊江川;郭新宇;赵春江

作者机构：

关键词： 大田玉米;雄穗检测;计数;Faster R-CNN;抽穗期判定

期刊名称： 安徽农业大学学报

ISSN： 1672-352X

年卷期： 2021 年 005 期

页码： 849-856

收录情况： 北大核心 ; CSCD

摘要： 目前田间玉米雄穗数量监测主要依靠人工进行,效率低且易出错。为了实现在复杂的田间环境下对玉米雄穗自动识别和计数的任务,使用无人机平台和田间作物表型高通量获取平台采集的田间玉米顶视图像构建数据集,使用Resnet 50作为新的特征提取网络代替原始的VGG 16来优化Faster R-CNN模型。再根据表型平台所获取的高时序、连续图像,进一步使用改进后的模型对试验小区内玉米抽穗期前后20 d的雄穗数量进行监测,以此为依据进行抽穗期判定。该方法在田间作物表型高通量平台获取的图像数据测试集中类平均精度为90.14%,平均绝对误差为4.732 8;在无人机平台获取的图像数据测试集中类平均精度为82.14%,平均绝对误差为9.694 8。试验结果表明:该模型在田间作物表型高通量获取平台上的检测结果优于无人机平台,且具备一定的应用价值。

分类号： S513%S127

  • 相关文献

[1]田间玉米苗期高通量动态监测方法. 张小青,邵松,郭新宇,樊江川. 2021

[2]大田玉米长势的三维图像监测与建模. 陈兵旗,何醇,马彦平,白由路. 2011

[3]基于深度学习与复合字典的马铃薯病害识别方法. 杨森,冯全,张建华,孙伟,王关平. 2020

[4]基于Faster R-CNN的松材线虫病受害木识别与定位. 徐信罗,陶欢,李存军,程成,郭杭,周静平. 2020

[5]基于深度学习、小波变换和可见光谱的茶树冻害程度评估. 李赫,王玉,范凯,毛艺霖,丁仕波,宋大鹏,王梦琪,丁兆堂. 2024

[6]基于物联网的桔小实蝇诱捕监测装备设计及试验. 肖德琴,傅俊谦,邓晓晖,冯健昭,殷建军,可欣荣. 2015

[7]不同月龄荷斯坦犊牛瘤胃纤毛虫计数及形态观察. 刘景喜,韩静,潘振亮,陈龙宾,袁思堃,周娟,张煊明,于化福,李怀安. 2013

[8]采用图像扫描法快速测定芦笋种子粒数和千粒重. 高慧敏,田玉,刘志强,赵振芳. 2019

[9]虾肝肠胞虫(EHP)孢子的纯化和计数. 赵若恒,高雯,邱亮,李晨,谢国驷,黄倢. 2019

[10]害虫自动识别与计数技术研究进展与展望. 陈梅香,杨信廷,石宝才,李文勇,杜晓伟,李明,孙传恒. 2015

[11]基于荧光效应和调色板均衡化的小球藻自动计数方法研究. 刘世晶,王帅,唐荣,陈军,刘兴国,周海燕. 2016

[12]基于深度残差网络的麦穗回归计数方法. 刘航,刘涛,李世娟,李路华,吕纯阳,刘升平. 2021

[13]基于YOLOv8网络的棉蚜图像识别算法及软件系统设计. 马盼,杨子恒,万虎,何顺,黄远,徐胜勇. 2023

作者其他论文 更多>>

微信小程序